ST, STM32Cube.AI 에코시스템에서 ML 지원 확장

STMicroelectronics는 STM32Cube.AI 개발 환경 사용자가 사용할 수 있는 다양한 기계 학습 기술을 확장했습니다.

이 이동은 분류, 클러스터링 및 신규성 감지 문제를 가능한 한 효율적으로 해결하기 위해 추가 유연성이 추가되는 것을 봅니다.

이 STM32Cube.AI 릴리스(버전 32)는 STM7.0* 마이크로컨트롤러(MCU)에서 에지 추론을 위한 신경망 개발을 가능하게 할 뿐만 아니라 더 작은 데이터 세트와 더 적은 CPU 주기로 작동하는 새로운 감독 및 반 감독 방법을 지원합니다. 여기에는 신규성 감지를 위한 격리 포리스트(iForest) 및 OC SVM(One Class Support Vector Machine)과 사용자가 힘든 수동 코딩 없이 구현할 수 있는 분류를 위한 K-평균 및 SVM 분류기 알고리즘이 포함됩니다.

신경망 위에 이러한 고전적인 기계 학습 알고리즘을 추가하면 개발자가 다양한 유형의 모델을 변환, 검증 및 배포하는 사용하기 쉬운 기술을 사용하여 빠른 처리 시간을 가능하게 하여 문제를 더 빨리 해결할 수 있습니다. STM32 마이크로컨트롤러에서.

STM32Cube.AI는 설계자가 기계 학습 워크로드를 클라우드에서 STM32 기반 에지 장치로 구동하여 대기 시간을 줄이고 에너지를 절약하며 클라우드 활용도를 높이고 인터넷을 통한 데이터 교환을 줄여 개인 정보를 보호할 수 있도록 개발되었습니다.

온디바이스 분석을 위한 가장 효율적인 머신 러닝 기술을 선택할 수 있는 추가적인 유연성을 갖춘 STM32 MCU는 상시 가동 사용 사례와 스마트 배터리 구동 애플리케이션에 적합합니다.